大白话给你讲分布式架构，3分钟让你学一遍( 二 ) 引言随着越来越多的人参与到互联网的浪

数据库读写分离应用层的问题暂时解决了，但是此时数据库又顶不住了。那该如何做呢？
只是简单的增加数据库的服务器来提供存储和访问能力么？那肯定不行，这样数据就不一致了。
所以我们需要将数据库分为读库和写库。查询请求都到读库去，而写入请求都到写库去。
文章插图
但这样也存在几个问题：

数据如何同步以及同步延迟如何处理？
应用层数据源的选择
大数据查询搜索，可以引入搜索引擎
避免每次访问直接到达数据库，可以引入redis等缓存数据库缓存热点数据

问题看似都解决了，但是每个数据库都存储的是同样的数据，随着业务继续扩大，我们就不得不考虑对数据库做水平或垂直拆分：

水平拆分：将同一个表中的数据拆分至多个数据库中
垂直拆分：将不同业务的数据放到不同的数据库中

文章插图
应用拆分
业务继续增长，数据库达到瓶颈时可以继续增加服务器解决，但是应用层呢？也只是单纯的增加服务器么？
基于二八原则，其实大部分访问量是集中在20%的功能上的，如果我们只是单纯的增加服务器，那么无疑会浪费掉许多的资源，所以我们会想到能不能针对这20%的应用做扩展呢？
当然是可以的，只不过我们需要先将应用拆分为多个子系统（一般是根据业务）：

文章插图
随着应用拆分随之而来的问题是，公用的代码如何处理？各服务之间如何通信？
公用代码我们不可能放到每个服务中去，而是应该提出来对外提供服务，同时服务之间的调用可以通过RPC或者HTTP方式来实现。
演化至此，这样的架构就是一个成熟的分布式架构了。
但是，架构还是会随着业务和技术的提升不停地演化；而此时你有没有发现这样的一个架构和冯诺伊曼结构很像呢！
输入输出设备对应用户和服务之间的输入输出，数据库服务器就像是存储设备，而整个应用层就像是一个CPU（控制器、运算器）。
所以，分布式架构可以简单的理解为将多台计算机组成的一台超级计算机。
三、分布式架构的设计在设计分布式架构时，我们需要了解几个基本的概念。

主流架构模型-SOA和微服务
CAP和BASE理论
DDD（领域驱动设计）

这些理论限于篇幅原因，这里就不展开详述，读者可自行查阅。下面主要来谈谈分布式架构的高可用设计。
分布式架构的高可用设计在分布式架构中，常常面临的两个矛盾的问题是一致性和高可用，这两个是无法同时满足的，那我们舍谁取谁呢？
从用户的角度分析，我们宁可获取到旧数据，也不愿意等半天都打不开应用，所以常常是保证高可用，让数据达到最终一致性，那么如何设计高可用的分布式架构呢？主要从以下几个方面：